Part - 3 - Variogram - PPT (Compatibility Mode) .En - VI

Translated from English to Vietnamese - www.onlinedoctranslator.
com
Phân tích dữ liệu khám phá và lập mô hình không gian
31/5/2015 Phân tích dữ liệu khám phá và lập mô hình không gian 1
Phân tích dữ liệu khám phá và lập mô hình không gian
• Phân tích dữ liệu khám phá

• Mô hình xác định
• Mô hình xác suất
• Khái niệm về tính ổn định
• Biểu đồ thực nghiệm
• Biểu đồ mô hình chung
• Chuyển đổi dữ liệu
• Phân tích dữ liệu
Phân tích dữ liệu khám phá
• Vẽ dữ liệu theo các cách khác nhau; mắt của chúng tôi rất tốt trong việc phát hiện các mẫu
• Chọn các quần thể địa chất / thống kê để phân tích chi tiết:
• quần thể phải được xác định trong giếng không có lõi
• phải có khả năng lập bản đồ các quần thể (danh mục) này
• không thể xử lý quá nhiều, nếu không có quá ít dữ liệu để thống kê đáng tin cậy
• thường phải đưa ra quyết định để gộp một số loại dữ liệu nhất định
• sự cố địnhlà thuộc tính của các mô hình thống kê chứ không phải thực tế
• trường / dữ liệu / mục tiêu quan trọng và rất cụ thể
• Thực hiện phân tích thống kê trong từng quần thể:

• đảm bảo chất lượng dữ liệu
• tìm kiếm xu hướng

• hiểu “vật lý” càng nhiều càng tốt
• Giải mã dữ liệu để lập mô hình thống kê địa lý
• Các công cụ thống kê được sử dụng trong suốt quá trình nghiên cứu đặc tính hồ chứa
Mô hình xác định
• Loại bài toán ước lượng mong muốn nhất là bài toán trong đó
có đủ kiến thức về hiện tượng để cho phép mô tả xác định về
nó
• Bản thân dữ liệu không tiết lộ mô hình thích hợp nên là gì
Giá trị dữ liệu

là chiều cao và
khoảng cách của một
quả bóng nảy

khi nó di chuyển
qua một cái bàn
Mô hình xác suất
• Dữ liệu mẫu có sẵn được xem là kết quả của một số quá trình
ngẫu nhiên.
• Một hàm ngẫu nhiên có nhiều kết quả có thể xảy ra (hiện thực hóa)
mà mỗi kết quả sẽ đi qua dữ liệu đầu vào
Khái niệm về tính ổn định
• Phân tích dữ liệu không gian là nhiệm vụ giảm thiểu các
mô hình không gian của sự biến đổi địa chất thành một
số tóm tắt rõ ràng và hữu ích. Để có được một số ý
tưởng về sự thay đổi của dữ liệu địa chất, chúng tôiBỊ
ÉPđể đưa ra một số giả định về tính ổn định của cơ chế
cơ bản đã tạo ra mẫu.
NĐịnh nghĩa về tính ổn định
¨Một chức năng ngẫu nhiên được cho là cố định khi nó
Luật / Thống kê không gian luôn bất biến khi được dịch
¨Theo một ý nghĩa chặt chẽ, một chức năng ngẫu nhiên được cho là thứ hai-
Đặt hàng Văn phòng phẩm Khi nào
NE [Z {x}] Tồn tại và Không phụ thuộc vào x, và

NĐối với mỗi cặp biến ngẫu nhiên Z {x} và Z {x + h},
Hiệp phương sai Tồn tại và Chỉ Phụ thuộc vào Khoảng cách Phân
cách h
Ý nghĩa của giả định về tính ổn định
• Nó cho phép chúng ta suy ra luật không gian cơ bản mô tả hàm ngẫu
nhiên chỉ bằng cách ước lượng giá trị trung bình và phương sai của
một biến ngẫu nhiên và hiệp phương sai của hai biến ngẫu nhiên cách
nhau khoảng cách h
• Nó buộc chúng ta phải xác định các khu vực địa chất đó, cả theo
chiều dọc và mặt bên, mà giả định về vị trí cố định nắm giữ và
phân vùng dữ liệu cho phù hợp
• Trong thực tế, giả định này tạo nên sự thỏa hiệp giữa quy mô
biến thiên địa chất mà chúng ta gọi là cố định và lượng dữ liệu
có sẵn để ước tính các tham số của hàm ngẫu nhiên
31/5/2015 Phân tích dữ liệu khám phá và lập mô hình không gian số 8
NDữ liệu được cho là cố định khi không thuộc tính của nó
Phụ thuộc vào vị trí
•m • Đứng im
• Không Văn phòng phẩm
•m
• "Phạm vi" Điều tra
NTính khả dụng của dữ liệu Stationarity Vs
¨Mũi tên Hiển thị Hướng Xu hướng của các Thùy riêng lẻ. Xu hướng tổng thể là
Từ Tây sang Đông. Các biểu đồ từ các thùy riêng lẻ có thể khác
nhiều so với các biến thể thu được từ tất cả các giếng.
¡
¡ ¡ ¡
¡
¡
l l
l l
l l l
l l
¡ l l
l l
l l l
l
l ll ¡
¡ ¡
l ¡
l
l l l
¡ l
l ll
l
l l
l
¡ l l
¡
N“Giải pháp ”cho Vấn đề Tính ổn định - Sử dụng Khác nhau
Các biểu đồ cho các khu vực khác nhau
•Một •Một
¡
¡ ¡ ¡
¡
¡
l l
l l
l l l
l l
¡ l l
l l l ll •B
l
l l l ¡
¡ ¡
l ¡
•D l
l l l
¡ l
l l l
l
ll
l
¡ l l
¡
•C •B
•ĐĨA CD
NTính ổn định "Ví dụ"
•Hồ chứa
•Cát •Đá phiến •Ký gửi
•Xu hướng
• Bản đồ Hiệu quả Trung bình

• Độ xốp - Khoảng thời gian NWS A1-A2
• Biểu đồ biến số mũ
• Phạm vi = 2000 '
• Hiển thị bản đồ Variogram

• Không có tính dị hướng đáng kể
Tính ổn định
• Phạm vi = 1600 '
• Hiển thị bản đồ Variogram

• Không có tính dị hướng đáng kể
Giải quyết các vấn đề về tính ổn định
• Tạo các biểu đồ địa phương để tôn vinh sự biến đổi địa chất
• Sử dụng các khối lỗi và đa giác để cô lập các vùng quan
tâm
Đầm lầy
Phân phối
kênh truyền hình

và Mô hình hóa không gian
31/5/2015 15
Các tham số của một hàm ngẫu nhiên
• Hàm hiệp phương sai là một hàm thống kê được sử dụng để đo lường sự tương quan. Nó là một thước đo
của sự tương đồng.
• C (h)
• Thư tín
• r (h)
• Variogram là một thước đo của sự thay đổi; nó tăng lên khi các mẫu trở nên không giống nhau
{[z(u) -z(u+h)] }
• g (h)
2g(h) =E 2
• Đối với các hàm ngẫu nhiên đứng yên, 3 tham số này có liên quan với nhau bằng các biểu
thức sau
g (h) = C (0) - C (h) C
(h) =g (¥) - g (h) r (
h) = C (h) / C (0)

31/5/2015 16
Báo hiệu
• Biểu đồ tương quan tóm tắt mối quan hệ giữa hệ số
tương quan và biểu đồ phân tán h

31/5/2015 17
Mối quan hệ giữag(h) và C (h)
• Khi hàm ngẫu nhiên cơ bản là đứng yên, có mối quan
hệ 1-1 giữag (h) và C (h)

31/5/2015 18
Tính toán biểu đồ thực nghiệm
Tách trễ Giá trị dữ liệu

31/5/2015 19
Nhật ký độ xốp
11060,5 0,074
11600
11061 0,062
11061,5 0,058
11062 0,061
11500
11062,5 0,066
11063 0,07
11063,5 0,073
11400 11064 0,078
11064,5 0,079
Độ sâu, ft
11065 0,075
11300 11065,5 0,072
11066 0,072
11066,5 0,074
11200 11067 0,075
11067,5 0,077
11068 0,098
11100 11068,5 0,129
11069 0,151
11069,5 0,157
11000
0 0,1 0,2 0,3 0,4
Độ xốp, phần nhỏ
31/5/2015 20
Tính toán biểu đồ
f (u) f (u + h) f (u) f (u + h)
0,083 0,074 0,083 0,062
0,074 0,062 0,074 0,058
0,062 0,058 0,062 0,061
0,058 0,061 0,058 0,066
0,061 0,066 0,061 0,07
0,066 0,07 0,066 0,073
0,07 0,073 0,07 0,078
0,073 0,078 0,073 0,079
0,078 0,079 0,078 0,075
0,079 0,075 0,079 0,072
0,075 0,072 0,075 0,072
0,072 0,072 0,072 0,074
0,072 0,074 0,072 0,075
0,074 0,075 0,074 0,077
0,075 0,077 0,075 0,098
0,077 0,098 0,077 0,129
0,098 0,129 0,098 0,151
0,129 0,151 0,129 0,157
0,151 0,157

31/5/2015 21
0,35 0,35
0,3 0,3
R2= 0,9812 R2= 0,8761
0,25 0,25
0,2 0,2
0,15 0,15
0,1 0,1
Trễ = 0,5 Trễ = 1,5
0,05 0,05
0 0
0 0,1 0,2 0,3 0,4 0 0,1 0,2 0,3 0,4
0,35 0,35
R2= 0,7653
R2= 0,352
0,3 0,3
0,25 0,25
0,2 0,2
0,15 0,15
Trễ = 10
0,1 0,1
Trễ = 2,5
0,05 0,05
0 0
0 0,1 0,2 0,3 0,4 0 0,1 0,2 0,3 0,4
• Khi khoảng cách phân tách tăng lên, sự giống nhau giữa các cặp
giá trị giảm
31/5/2015 22
Định nghĩa Variogram
1,2
Sill - Không có mối tương quan
Tăng khả năng thay đổi
0,8
Variogram
Phạm vi
0,6
Nhận thức 2
0,4 Series1
Nugget
Hiệu ứng
0,2
0
0 5 10 15 20 25 30 35 40 45 50
Khoảng cách

31/5/2015 23
Thuật ngữ Variogram
• Sill
• Phương sai của dữ liệu (1,0 nếu dữ liệu bình thường)
• Bình nguyên mà biến thể đạt được ở phạm vi
• Phạm vi
• Khi khoảng cách phân tách giữa các cặp tăng lên, giá trị biến thể tương ứng nói
chung sẽ tăng. Cuối cùng, sự gia tăng khoảng cách phân tách không còn gây ra sự
gia tăng tương ứng trong chênh lệch bình phương trung bình giữa các cặp giá trị.
• Hiệu ứng Nugget

• Biến thiên trong phạm vi ngắn tự nhiên (cấu trúc vi mô) và sai số đo
• Mặc dù giá trị của biến thể cho h = 0 hoàn toàn là 0, một số yếu tố, chẳng hạn như sai
số lấy mẫu và độ biến thiên ngắn hạn, có thể khiến giá trị mẫu cách nhau bởi khoảng
cách cực ngắn là hoàn toàn khác nhau. Điều này gây ra sự gián đoạn từ giá trị 0 tại
gốc đến giá trị của biến thể ở khoảng cách phân tách cực kỳ nhỏ

31/5/2015 24
Thay đổi thuốc
• Thay đổi tỷ lệ biến thể không ảnh hưởng đến trọng lượng
kriging
• Phương sai ước tính tăng theo cùng một hệ số tỷ lệ.

31/5/2015 25
Thay đổi thuốc

31/5/2015 26
Thay đổi phạm vi
• Nếu phạm vi biến thể nhỏ hơn khoảng cách đến bất kỳ điểm dữ
liệu nào, tất cả các mẫu có vẻ cách xa như nhau so với điểm được
ước lượng và ước tính bằng giá trị trung bình của tất cả dữ liệu
• Tăng phạm vi làm cho các mẫu có vẻ gần hơn, điều này sẽ có xu
hướng giảm phương sai kriging
• Trọng số âm là kết quả của hiệu ứng màn hình. Ở một mức độ nhỏ, mẫu 2
được sàng lọc một phần bằng mẫu 1. Trọng lượng được chỉ định cho các
mẫu được sàng lọc bởi những người khác được giảm bớt.
• Lợi thế của trọng số âm là ước tính lớn hơn giá trị mẫu lớn hoặc
nhỏ hơn giá trị mẫu nhỏ nhất có thể được tạo ra.
• Bất lợi là nó có thể tạo ra các ước tính âm.

31/5/2015 27
Thay đổi phạm vi

31/5/2015 28
Thay đổi Nugget
• Các trọng số trở nên giống nhau hơn khi hiệu ứng hạt nhân
tăng lên.
• Phương sai kriging tăng lên.
• Đối với một mô hình biến thiên hiệu ứng nugget thuần túy (tức
là hoàn toàn không có tương quan không gian), không có sự dư
thừa giữa bất kỳ mẫu nào, không có mẫu nào xuất hiện gần
hơn bất kỳ mẫu nào khác và quy trình ước lượng tương tự như
mô hình biến thể với phạm vi rất nhỏ.

31/5/2015 29
Thay đổi Nugget

31/5/2015 30
Biểu đồ mô hình hóa tương quan không gian
• Các điểm dữ liệu xa hơn một điểm cần tính toán ít
tương quan hơn so với các điểm gần điểm hơn
7000
Mô hình Variogram
7100 V
3km một
r
tôi
2km
một
N
c
Điểm đến
1km e
được Kriged
7400 1 2 3 4km

31/5/2015 31
• Khi dữ liệu được lấy mẫu không thường xuyên, dữ liệu phải
được nhóm lại thành các giá trị độ trễ danh nghĩa và dung sai
độ trễ để có đủ các cặp để thống kê có ý nghĩa

31/5/2015 32
• Hình dạng của mô hình biến thể xác định tính liên tục trong không gian của mô hình
hàm ngẫu nhiên
• Các phép đo phải được tùy chỉnh cho từng trường và từng thuộc tính (f, K)
• Tùy thuộc vào mức độ hao hụt, sự biến đổi không gian có thể giống nhau trong
các môi trường trầm tích tương tự.

31/5/2015 33
• Variogram cho khoảng cách trễhđược định nghĩa là sự khác biệt
bình phương trung bình của các giá trị cách nhau khoảngh
1một[z(u) -z(u+h)] 2
2 *g(h) =
N(h)N(h)
• N (h)-số cặp cho độ trễh

31/5/2015 34
• Tính toán 3 biến thể
- đa hướng
- anistropic - ngang
• hướng ngang của dòng chảy trong trầm tích
(tính liên tục tối đa)
• vuông góc với hướng của dòng chảy trong trầm tích
- dị hướng - thẳng đứng
• Độ trễ phải trùng với khoảng cách dữ liệu
• Variogram chỉ có giá trị trong khoảng cách tối đa 1/2 kích thước
trường => chọn số độ trễ cho phù hợp

31/5/2015 35
• Trong ký hiệu xác suất, biến thể được định nghĩa là
2g(h) =E {[z(u) -z(u+h)] } 2
• Đối với bình thường tiêu chuẩn
g(h) =S2-Cov(z(u),z(u+h))

31/5/2015 36
Hiểu hành vi Variogram
• Tính ngẫu nhiên hoặc thiếu tương quan không gian
• Giảm tương quan không gian theo khoảng cách
• Xu hướng địa chất
• Xu hướng vùng
• Phân lớp địa tầng
• Tính chu kỳ địa chất

31/5/2015 37
H-Scatterplots Tương ứng với 3 Khoảng cách
Trễ khác nhau

31/5/2015 38
Tính dị hướng
• Để đo tính dị hướng trong một biểu đồ biến thể, phải tạo ra nhiều biểu đồ khác nhau
• Sau khi chọn một hướng, chỉ các cặp điểm thu được theo hướng đã chọn mới được chọn
để tạo ra biến thiên
• Biến thể với phạm vi lớn nhất xác định hướng chính của dị hướng
• Các phạm vi dài hơn cho thấy rằng độ dài tương quan là lớn nhất theo hướng đó
• Khi hình dạng của biểu đồ thay đổi theo hướng, dị hướng được cho là tồn tại

31/5/2015 39
Tính dị hướng
• Tham số Variogram Trục Y (Bắc) trễ
• Lỗi
ịu
ch
60
g
ăn
kh
ản
=2.0 =
ang
n g:
• Khả năng chịu trễ hư
ớ
5,0
ctơ ng
=
ve thô
• Hướng chính bă
ng
60
trễ
ch
• Dung sai bù đắp

6
g=
cá
ản
g Trễ
ho
an
k
5
Trễ
4 2 2,5
Trễ i=
s a
3 ng
Trễ du
g
2
an
Trễ Trục X (Đông)
1
Trễ

31/5/2015 40
Diễn giải Variogram Dị hướng hình học

31/5/2015 41
Diễn giải Variogram
1 3 Sill
1
2 4
Khoảng cách
f
1 2
3
4
Chiều sâu

31/5/2015 42
Tính chu kỳ diễn giải Variogram

31/5/2015 43
Diễn giải Variogram Dị hướng theo vùng
1
Sự thay đổi 'giữa các giếng'
Sự thay đổi 'trong phạm vi tốt'
Tương quan tích cực trong khoảng cách lớn
Chà 1 Chà 2 Chà 3

31/5/2015 44
Diễn giải Variogram Dị hướng theo vùng

31/5/2015 45
Xu hướng diễn giải Variogram
Phủ định
1 tương quan
Tích cực
tương quan
Khoảng cách
Xu hướng »không cố định, giá

Chiều sâu
trị trung bình không cố định
f
31/5/2015 46
Cấu hình giếng dọc và biểu đồ đa dạng với xu
hướng dọc được xác định rõ ràng
50
45
Hồi quy:
y = -1,5807x + 51,611
40
35
30
Chiều sâu
25
20
15
10
0
0 5 10 15 20 25 30
Độ xốp

31/5/2015 47
Cấu hình giếng dọc và biểu đồ biến đổi
sau khi loại bỏ xu hướng dọc
50
45
40
35
30
Chiều sâu
25
20
15
10
0
- số 8 -6 -4 -2 0 2 4 6 số 8
Phần dư

31/5/2015 48
Diễn giải Variogram Xu hướng dọc và Dị
hướng theo phương ngang

31/5/2015 49
Yêu cầu đối với mô hình biểu đồ 3D
• Hàm biến thiên g (h) là bắt buộc đối với tất cả các vectơ khoảng
cách và hướnghtrong vùng lân cận tìm kiếm của các tính toán
thống kê địa lý tiếp theo
• Giới thiệu thông tin địa chất liên quan đến tính dị hướng, xu hướng, sai
số lấy mẫu trong mô hình tương quan không gian.
• Lọc tạo tác (tc) của khoảng cách dữ liệu và thực hành thu thập dữ liệu để
làm cho biểu đồ biến thể đại diện cho sự biến đổi địa chất thực sự
• Mô hình biến thể g (h) phải thể hiệnxác định tích cựccho tất cả các
vectơ khoảng cách và hướngh

31/5/2015 50
Phương pháp giải thích và mô hình hóa biểu đồ
• Tính toán và vẽ biểu đồ thực nghiệm theo những gì được cho là hướng
chính của tính liên tục dựa trên kiến thức địa chất tiên nghiệm
• Đặt một đường ngang đại diện cho ngưỡng cửa lý thuyết.
• Xóa tất cả các xu hướng khỏi dữ liệu.
• Diễn dịch
• Phương sai quy mô ngắn: hiệu ứng hạt nhân
• Phương sai quy mô trung gian: dị hướng hình học.
• Phương sai quy mô lớn:
• dị hướng địa phương
• tính chu kỳ (hiệu ứng lỗ)
• Mô hình hóa
• Tiến hành mô hình hóa biểu đồ bằng cách chọn loại mô hình (hình cầu,
hàm mũ, gaussian…) và phạm vi tương quan cho mỗi cấu trúc
31/5/2015 51
ogram và cấu trúc
31/5/2015 52
Thực nghiệm tructures

31/5/2015 53
Các biểu đồ dọc và ngang từ một hồ chứa
Fluvialdeltaic
Dữ liệu ngang duy nhất

Điểm từ Wells

31/5/2015 54
Bài tập: Mô tả (vẽ) các biểu đồ dọc và ngang cho mặt
cắt ngang được hiển thị

31/5/2015 55
Bài tập: Lời giải

31/5/2015 56

31/5/2015 57

31/5/2015 58

31/5/2015 59

31/5/2015 60
Các mô hình biến thể phổ biến
• Mô hình hình cầu
• loại mô hình biến thể phổ biến nhất
• được đặc trưng bởi một hành vi tuyến tính ở khoảng
cách tách biệt nhỏ
31/5/2015 Phân tích dữ liệu khám phá 61

• Đặc trưng bởi sự thay đổi quy mô ngắn
• (ngắn hơn của mô hình hình cầu)
31/5/2015 Phân tích dữ liệu khám phá 62

• Mô hình Gaussian
• được đặc trưng bởi sự tương quan cao trong phạm vi ngắn
• được sử dụng để mô hình hóa các hiện tượng liên tục
• không được sử dụng phổ biến

31/5/2015 63
Mô hình Variogram
1,2
0,8
0,6 Hình cầu

g
số mũ
0,4 Gaussian
0,2
0
0 10 20 30 40 50
Khoảng cách

31/5/2015 64
Mô hình Variogram
3h 1æhö3
Hình cầu g(h) = - ç ÷,h£một
2một2èmộtø
g(h) = 1,h>một
æ 3hö
số mũ g(h) = 1- điểm kinh nghiệmc - ÷
è mộtø

31/5/2015 65
Mô hình Variogram
æ 3h2ö
Gaussian g(h) = 1- điểm kinh nghiệmçç - ÷dow
è mộtø2
g(h) = 0,h=0 g
Hiệu ứng Nugget
(h) = 1,h>0

31/5/2015 66
Tác động của việc thay đổi loại mô hình biến
thể
Hình cầu
số mũ

31/5/2015 67
Tác động của việc thay đổi phạm vi dọc trên biểu đồ
biến số mũ
Dải dọc 1%
Dải dọc 5%
Dải dọc 10%

31/5/2015 68
Tác động của việc thay đổi phạm vi ngang trên
biểu đồ biến số mũ
Phạm vi ngang 2%
Phạm vi ngang 4%
Phạm vi ngang 6%
Phạm vi ngang 8%
Phạm vi ngang 10%

31/5/2015 69
Mẹo tạo mô hình Variogram
• Nắm bắt các hành vi gần điểm gốc
• Đừng cho rằng dữ liệu là không tương quan nếu không có các đặc điểm tương quan trong biến thể
• Nắm bắt các tính năng chính
• Tìm kiếm các điểm dữ liệu xấu
• Loại bỏ các mẫu cực đoan trên h-Scattergram

• Hướng dọc được thông báo tốt
• sử dụng dữ liệu từ trường analog hoặc outcrop
• sử dụng các tỷ lệ dị hướng ngang và dọc điển hình
• Hướng ngang không được thông báo tốt
• lấy từ trường analog hoặc outcrop
• sử dụng các tỷ lệ dị hướng ngang và dọc điển hình
• Trong mô hình variogram, hãy bắt đầu với các mô hình đơn giản với hai cấu trúc
• Cấu trúc thang đo ngắn là quan trọng nhất

• không thể lập mô hình hạt do lỗi đo lường
• nhớ kích thước của các ô mô hình địa chất
31/5/2015 70
Nhận các tham số Variogram
• Bản đồ Isopach của cát ròng và đá phiến sét
• Bản đồ xu hướng từ bản đồ isopach
• Các lát cắt thời gian phụ địa chấn
• Ngõ ra tương tự
• Kiến thức chuyên môn về môi trường ký gửi

31/5/2015 71
Bài tập Variogram

31/5/2015 72
Ước tính toàn cầu và cục bộ
• Chúng ta muốn ước tính toàn cầu hay cục bộ?
• Chúng ta có muốn chỉ ước tính giá trị trung bình hoặc phân phối đầy
đủ của các giá trị dữ liệu không?
• Chúng ta muốn ước tính giá trị điểm hoặc giá trị khối lớn
hơn?

31/5/2015 73
Chuyển đổi dữ liệu
Tại sao chúng ta cần phải lo lắng về việc chuyển đổi dữ liệu?
• Các thuộc tính, chẳng hạn như tính thấm, với phân phối dữ liệu sai lệch cao gây ra các vấn đề
trong tính toán variogram; các giá trị cực đoan có tác động đáng kể đến biến thể.
• Một phép biến đổi phổ biến là lấy logarit,
y = log10(z)
thực hiện tất cả các phân tích thống kê trên dữ liệu đã chuyển đổi và chuyển đổi ngược lại khi kết thúc®
chuyển đổi trở lại là nhạy cảm
• Nhiều kỹ thuật thống kê địa lý yêu cầu dữ liệu phải được chuyển đổi sang phân phối
Gaussian hoặc chuẩn.
Mô hình Gaussian RF là duy nhất trong thống kê vì tính đơn giản trong phân tích cực độ của nó và
là phân phối giới hạn của nhiều định lý phân tích trên toàn cầu được gọi là "định lý giới hạn trung
tâm"
Việc chuyển đổi thành bất kỳ phân phối nào (và trở lại) được thực hiện dễ dàng bằng phép biến đổi
lượng tử

31/5/2015 74
Chuyển đổi điểm bình thường
• Nhiều kỹ thuật thống kê địa lý yêu cầu dữ liệu phải được
chuyển đổi sang phân phối Gaussian hoặc chuẩn:

31/5/2015 75
Phối hợp và chuyển đổi dữ liệu
• Tái tạo các cơ quan hồ chứa
• Chuyển đổi dữ liệu sang phân phối chuẩn
• Variogram khác nhau theo các hướng khác nhau
• Dữ liệu sai lệch (độ thấm) thể hiện một vấn đề trong
tính toán biến thiên, bởi vì các giá trị cực trị có tác động
đáng kể đến tính toán

31/5/2015 76
Tái tạo lại các cơ quan của hồ chứa
Chà 2
Chà 1
Giếng 3 Giếng 4

31/5/2015 và Mô hình hóa không gian 77
Các phần cát bị phân tách bởi các lỗi
• Phép biến đổi tọa độ cần thiết để tái tạo lại hình học

31/5/2015 78
Phối hợp chuyển đổi để tái tạo lại các cơ
quan cát

31/5/2015 79
Phân tích dữ liệu
Bản đồ Chỉ số Sản

xuất Năm Tốt nhất
Vấn đề
• Các khu vực sản xuất tốt hơn
được lấy mẫu dày đặc hơn các
khu vực kém.
• Do đó, Thuộc tính được

đánh giá quá cao vì
của phân cụm.

31/5/2015 80
Phân rã
NDữ liệu hiếm khi được thu thập cho "tính đại diện”
¨Giếng được khoan ở những khu vực có khả năng sản xuất cao nhất
giá
¨Các phép đo cốt lõi được thực hiện ưu tiên từ đá chứa chất lượng tốt
¨Đặc trưng cho các khu vực có chất lượng đá ô nhiễm cao
NKhông nên thay đổi các thực hành “thu thập dữ liệu” này; chúng dẫn đến điều tốt nhất
kinh tế học và số lượng dữ liệu lớn nhất trong các phần của khu vực nghiên cứu là
quan trọng nhất
N Tuy nhiên, cần phải điều chỉnh biểu đồ và thống kê tóm tắt để đại diện
cho toàn bộ khối lượng quan tâm.
Mô phỏng địa lý thống kê số liệu thống kê đầu vào danh dự "nhẹ nhàng"
N Thực hành tốt nhất:
N hiểu đầu vào là gì

Nđảm bảo chúng có thể bảo vệ được - quy mô chính xác, đại diện cho lĩnh vực quan tâm,
tài khoản cho tất cả các thông tin có sẵn.
N Phân rãkỹ thuật gán cho mỗi mức dữ liệu một trọng số dựa trên mức độ gần gũi của nó với dữ liệu xung quanh
wtôi,tôi=1,…,N
trong đó trọng số lớn hơn 0 và thêm vào 1 Thống kê tóm
N tắt được tính bằng trọng số phân rã
N N
z=mộtwtôiztôi và S= mộtw tôi (ztôi-z )2
tôi= 1 tôi= 1
N Biểu đồ và sử dụng biểu đồ tích lũy thay vì
F*(z) =mộtwmột×tôi(umột;z)
N ở đâu
tôi1, nếuz(u)£
một z
tôi(umột;z) =tôi
tôi0, nếu không thì
trọng số từng dữ liệu theo số lượng dữ liệu rơi vào cùng
một ô. 122 giếng ví dụ:
1
wtôi(c) =
Nl¢×Lo
Lưới tô màu các điểm nổi bật trong năm mới được mong đợi nhất Các lĩnh vực tiềm
năng tô màu

31/5/2015 84
Sử dụng kiểm tra khu vực góc phần tư để phân tích dữ liệu
Dữ liệu được phân tách

Dữ liệu gốc

31/5/2015 85
Sử dụng lưới Voronoi để thực hiện phân tách đa giác
Trọng lượng phân rã tỷ lệ với Khoảng cách Giếng
189 mẫu Anh
296 mẫu Anh
242 mẫu Anh
281 mẫu Anh
316 mẫu Anh
219 mẫu Anh
127 mẫu Anh
354 mẫu Anh 264 mẫu Anh
172 mẫu Anh

304 mẫu Anh
131 mẫu Anh
314 mẫu Anh
251 mẫu Anh
167 mẫu Anh
299 mẫu Anh
243 mẫu Anh
275 mẫu Anh
211 mẫu Anh
157 mẫu Anh
196 mẫu Anh
253 mẫu Anh
248 mẫu Anh
380 mẫu Anh
196 mẫu Anh
429 mẫu Anh
225 mẫu Anh
296 mẫu Anh
284 mẫu Anh
429 mẫu Anh
336 mẫu Anh
201 mẫu Anh
285 mẫu Anh

31/5/2015 86
Phân rã tế bào
3100000
N = 11
N=1
Y
3000000
N=8 N=3
2900000
560000 580000 600000
X
31/5/2015 87
Phân tích dữ liệu
Bản đồ của
Trọng lượng phân rã
• Trọng số được ấn định liên

quan đến số lượng điểm dữ
liệu trong khu vực cục bộ.
• Trọng số thấp được chỉ định

trong các khu vực có mật độ dữ
liệu cao.

31/5/2015 88
Ảnh hưởng của phân rã đối với CPF
1
0,9
0,8 CPF theo cụm
CPF phân tách
0,7
0,6
CPF
0,5
0,4
0,3
0,2
0,1
0
1.E + 00 1.E + 01 1.E + 02 1.E + 03 1.E + 04 1.E + 05 1.E + 06 1.E + 07
BY Gas, Hệ tầng Vicksburg

31/5/2015 89
Ảnh hưởng của phân rã đối với CPF
SumOfGas_BY
Thành cụm Phân rã
Bần tiện 65311 37675
Trung bình 37897 15403
Độ lệch chuẩn 85657 61512
Phương sai mẫu 7337038197 3783738873
Tối thiểu 1 1
Tối đa 2112025 2112025
Q3 86063 46464
Q1 12781 4738
IQR 73282 41726

31/5/2015 90
Chiều sâu Phi
11060 0,083
Bài tập 2 11060,5

11061
0,074
0,062
11061,5 0,058
Đưa ra một tập dữ liệu về độ xốp, hãy 11062 0,061
11062,5 0,066
thực hiện mô hình biến thể với
11063 0,07
các mô hình điển hình khác nhau và 11063,5 0,073
chọn mô hình phù hợp nhất với tập dữ 11064 0,078
liệu. 11064,5 0,079
11065 0,075
11065,5 0,072
11066 0,072
11066,5 0,074
11067 0,075
11067,5 0,077
11068 0,098
11068,5 0,129
11069 0,151
11069,5 0,157
31/5/2015 91

Part - 3 - Variogram - PPT (Compatibility Mode) .En - VI

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Part - 3 - Variogram - PPT (Compatibility Mode) .En - VI

Uploaded by

Copyright:

Available Formats

Translated from English to Vietnamese - www.onlinedoctranslator.

Phân tích dữ liệu khám phá và lập mô hình không gian

• Phân tích dữ liệu khám phá

• Thực hiện phân tích thống kê trong từng quần thể:

• tìm kiếm xu hướng

Giá trị dữ liệu

quả bóng nảy

NE [Z {x}] Tồn tại và Không phụ thuộc vào x, và

• Không Văn phòng phẩm

• "Phạm vi" Điều tra

• Bản đồ Hiệu quả Trung bình

• Hiển thị bản đồ Variogram

• Hiển thị bản đồ Variogram

Phân tích dữ liệu khám phá

Phân tích dữ liệu khám phá

Phân tích dữ liệu khám phá

Phân tích dữ liệu khám phá

Tách trễ Giá trị dữ liệu

Phân tích dữ liệu khám phá

Phân tích dữ liệu khám phá

Phân tích dữ liệu khám phá

• Hiệu ứng Nugget

Phân tích dữ liệu khám phá

Phân tích dữ liệu khám phá

Phân tích dữ liệu khám phá

• Bất lợi là nó có thể tạo ra các ước tính âm.

Phân tích dữ liệu khám phá

Phân tích dữ liệu khám phá

Phân tích dữ liệu khám phá

Phân tích dữ liệu khám phá

Phân tích dữ liệu khám phá

Phân tích dữ liệu khám phá

• N (h)-số cặp cho độ trễh

Phân tích dữ liệu khám phá

• Đối với bình thường tiêu chuẩn

Phân tích dữ liệu khám phá

Phân tích dữ liệu khám phá

Phân tích dữ liệu khám phá

Phân tích dữ liệu khám phá

• Dung sai bù đắp

Phân tích dữ liệu khám phá

Phân tích dữ liệu khám phá

Phân tích dữ liệu khám phá

Phân tích dữ liệu khám phá

Sự thay đổi 'trong phạm vi tốt'

Tương quan tích cực trong khoảng cách lớn

Chà 1 Chà 2 Chà 3

Phân tích dữ liệu khám phá

Phân tích dữ liệu khám phá

Xu hướng »không cố định, giá

trị trung bình không cố định

Phân tích dữ liệu khám phá

Phân tích dữ liệu khám phá

Phân tích dữ liệu khám phá

Phân tích dữ liệu khám phá

Phân tích dữ liệu khám phá

Dữ liệu ngang duy nhất

Phân tích dữ liệu khám phá

Phân tích dữ liệu khám phá

Phân tích dữ liệu khám phá

Phân tích dữ liệu khám phá

Phân tích dữ liệu khám phá

Phân tích dữ liệu khám phá